README.md

概述

使用遗传算法解决TSP问题 详细代码将example

经过试验发现，选择算法对结果的优化明显。 随机遍历抽样法效果最好，其次是竞标赛算法

遗传算法的发现较优解的速度非常快，可以用来解决某些NP问题

1. 初始化种群

2. 评估种群中个体的适应度？

3. 选择

选择算法

1. 轮盘选择算法 roulette wheel selection
2. 锦标赛选择算法 tournament selection
3. 排序选择算法 rank selection
4. 档次轮盘法 Rank Based Wheel Selection

4. 交叉

交叉算法

1. 单点杂交
2. 多点杂交
3. 均匀杂交
4. 洗牌杂交

5. 变异

重复 步骤2 ~ 5

路径序列与2进制基因码互相转换

把路径转换为基因序列

1. B-C-D
2. 项对应的编号
3. 转换成数值
4. 转换成2进制(形如: "010")

把基因序列转换为路径

1. 2进制(形如: "010")
2. 转换为数值
3. 转换为项对应的编号
4. B-C-D

test2.go中的结果可以直接使用R语言绘制路径图

R语言生成图表

data = read.table("/tmp/1.csv",header=F, sep=",");
traveller_way = read.table("/tmp/1.csv",header=TRUE, sep=",");
m <- ggplot(traveller_way, aes(posX, posY));
m + geom_path();